EEN KORT OVERZICHT VAN DATA WAREHOUSING EN OLAP

Maat: px
Weergave met pagina beginnen:

Download "EEN KORT OVERZICHT VAN DATA WAREHOUSING EN OLAP"

Transcriptie

1 EEN KORT OVERZICHT VAN DATA WAREHOUSING EN OLAP Professeur, Université de Mons-Hainaut (UMH) - Institut d'informatique Veel organisaties hebben in de loop der jaren een overstelpende hoeveelheid gegevens verzameld in diverse database-systemen. De term "data warehousing" omvat de technologie om deze operationele en historische gegevens in een geïntegreerde en samengevatte vorm beschikbaar te maken voor de bedrijfsvoering van een organisatie. Het analyseren en verwerken van deze geaggregeerde informatie staat bekend onder termen als "OLAP (Online Analytical Processing)" en "data mining". Dit artikel geeft een beknopt overzicht van deze nieuwe technologieën, die de laatste jaren in een stroomversnelling zijn geraakt. Au fil des années, de nombreuses entreprises ont accumulé d'énormes quantités de données dans différents systèmes de bases de données. La notion de "data warehousing" désigne la technologie conçue en vue de rendre ces données opérationnelles et historiques disponibles pour la gestion d'une organisation dans une forme intégrée et condensée. L'analyse et l'exploitation de cette information agrégée est connue sous les appellations "OLAP (Online Analytical Processing)" et "data mining". Cet article donne un bref aperçu de ces nouvelles technologies, très en vogues ces dernières années. S inds de jaren zestig hebben onderzoek en ontwikkelingen in databases zich toegelegd op de automatisatie van repetitieve taken (of "transacties"), hetgeen thans aangeduid wordt met de term online transaction processing (OLTP). Dit onderzoek heeft onder andere geleid tot de zeer succesvolle relationele databasesystemen. Veel bedrijven hebben in de loop der jaren een overstelpende hoeveelheid gegevens verzameld in dergelijke databases. Deze historische en operationele gegevens verhullen vaak een schat aan kennis over het bedrijf en de business, in de vorm van verborgen regels, trends, patronen... Een nieuwe uitdaging is om deze onbekende kennis te onthullen en bruikbaar te maken voor de bedrijfsvoering. Dit heeft geleid tot drie nieuwe technologische ontwikkelingen op het vlak van beslissingsondersteunende systemen (decision support systems): Dit is een acroniem voor online analytical processing: het interactief analyseren van de gegevens in het data warehouse, waarbij de gegevens doorgaans voorgesteld en gemanipuleerd worden in de vorm van multidimensionale matrices of spreadheets, aangeduid met de term gegevenskubus (data cube). Data mining. Het exploreren van de gegevens op zoek naar interessante, nieuwe kennis (regels, trends, patronen ). Er bestaat geen scherpe grens tussen OLAP en data mining. In OLAP zal de analist gewoonlijk precieze instructies geven, bijvoorbeeld over het deel van de gegevens waarop gefocust moet Data warehousing De OLTP gegevens zijn vaak verspreid over verschillende systemen, sterk gedetailleerd en/of van slechte kwaliteit. Data warehousing omvat het integreren, samenvatten en zuiveren van deze gegevens in een nieuwe opslagplaats, teneinde ze bruikbaar te maken voor analyse. OLAP Fig. 1: Verschillende karakteristieken van transactionele en beleidsondersteunende systemen. worden. In data mining zal het systeem vaak zelf die focus bepalen. Zo is de vraag "Geef per maand het aantal abonnees dat ons verlaten heeft in het voorbije jaar", een typische OLAP query l, terwijl een data mining query eerder zou vragen "Welke factoren beïnvloeden het verlies van abonnees?". Figuur 1 toont dat OLAP andere technologische eisen stelt dan het traditionele OLTP. Transactionele databases zijn afgestemd op een typische, gekende OLTP werklast. Het toevoegen van complexe OLAP queries aan deze werklast zou kun- Cahiers de la documentation Bladen voor documentatie 2006/1 19

2 Een kort overzicht van Data Warehousing en OLAP nen leiden tot een onacceptabele performantie van het gehele systeem. Dit is een bijkomende reden om een data warehouse te bouwen los van de bestaande transactionele databases. Dit artikel is gestructureerd als volgt. Sectie 2 definieert het concept "data warehouse" en legt uit welke de verschillende stappen zijn bij de constructie van een data warehouse. Het concept "data mart" komt hier eveneens ter sprake. Sectie 3 gaat dieper in op het gegevensmodel en de queries in een OLAP omgeving. De termen ROLAP en MOLAP worden verduidelijkt. Sectie 4 duidt aan wat het verschil is tussen data mining en OLAP. Het was niet ons opzet om diep in te gaan op het onderwerp data mining. Sectie 5 geeft een visie op toekomstige ontwikkelingen op het vlak van data warehousing. Sectie 6 beschrijft een praktijkervaring. Sectie 7 eindigt met een persoonlijke keuze uit de literatuur. Data warehouse Wat is een data warehouse? Referentie (2) definieert een data warehouse als een subject-georiënteerde, geïntegreerde, nietvluchtige, historische gegevensopslagplaats ter ondersteuning van de besluitvorming op het niveau van het management van een bedrijf. We lichten deze termen kort toe. Subject-georiënteerd en geïntegreerd OLTP gegevens zijn vaak verpreid over verschillende databases die elk een bepaalde applicatie (facturering, levering, productie, ) ondersteunen. Deze gegevens worden in een data warehouse geïntegreerd en georganiseerd rond bepaalde onderwerpen (klant, product, leverancier, ). Niet-vluchtig en historisch Wat is een data mart? Veel bedrijven wensen één enkel data warehouse te bouwen voor de ondersteuning van het geheel van beslissingsondersteunende activiteiten. De constructie van een data warehouse dat het ganse bedrijf omspant, is evenwel een complex proces dat een uitgebreide modellering van de business vereist en verschillende jaren in beslag kan nemen. Sommige bedrijven kiezen daarom voor data marts, die kunnen omschreven worden als departementale data warehouses gefocust op een specifiek onderdeel van de business. Een voorbeeld is een marketing data mart met informatie rond de onderwerpen klant, product en verkoop. Deze data marts kunnen sneller gerealiseerd worden omdat ze geen consensus op het bedrijfsniveau vereisen, maar kunnen op lange termijn tot complexe integratieproblemen leiden indien geen compleet business model voorhanden is. Zelfs als er een geïntegreerd data warehouse bestaat, kan het om redenen van flexibiliteit en performantie interessant zijn om data marts te extraheren uit het data warehouse. Constructie van een data warehouse De constructie en het onderhoud van een data warehouse is een complexe bezigheid, die verschillende taken omvat. Voor elk van deze taken zijn commerciële hulpmiddelen beschikbaar. Figuur 2 geeft een schematisch overzicht van de verschillende fasen en componenten betrokken bij data warehousing. Extractie Extractie is het proces dat gegevens onttrekt aan de transactionele databases en andere gegevensbronnen. Het betreft typisch een (nachtelijk) batch proces, vaak verschillende subprocessen in parallel om de doorlooptijd te verkorten. De term "nietvluchtig" betekent dat de gegevens, eenmaal ingevoerd in het data warehouse, niet gewijzigd worden, hoewel verwijderen eventueel wel mogelijk is. De term "historisch" duidt erop dat de gegevens een zekere tijdspanne bestrijken, nodig voor het analyseren van trends. Fig. 2: Schematisch overzicht van data warehousing 20 Cahiers de la documentation Bladen voor documentatie 2006/1

3 Een kort overzicht van Data Warehousing en OLAP Zuiveren Vermits een data warehouse wordt gebruikt in de besluitvorming, is het belangrijk dat de gegevens in het data warehouse correct zijn. Aangezien in een data warehouse grote hoeveelheden gegevens uit verspreide, heterogene gegevensbronnen samengevat worden, bestaat er een reëel gevaar voor fouten en anomalieën. Typische zuiveringsoperaties zijn het invullen van ontbrekende waarden, het corrigeren van typografische fouten en het uniformiseren van synoniemen. Gegevens die duidelijk foutief zijn maar niet kunnen worden gecorrigeerd, worden verwijderd. Integratie en transformatie De gezuiverde gegevens bevinden zich doorgaans nog niet in de vorm vereist door het data warehouse. Integratie omvat het samensmelten van verschillende gegevensbronnen. Een typisch probleem hierbij is het met elkaar in overeenstemming brengen van identificaties van entiteiten: hoe kan men uitmaken dat klant-id in de ene databases naar dezelde entiteit verwijst als kl_nr in de andere? Een ander probleem betreft het doen overeenstemmen van gegevens uitgedrukt in verschillende eenheden: de ene database bevat verkoopcijfers per maand en de andere per week, waarbij een week kan gesplitst zijn over twee maanden. Integratie kan leiden tot nieuwe ongerijmdheden in de gegevens, hetgeen een bijkomende fase van zuivering kan vereisen. Voorbeelden van gegevenstransformaties zijn aggregatie en normalisatie: individuele verkopen kunnen geaggregeerd worden tot dagelijkse verkoopcijfers; de waarde van een variabele kan genormaliseerd worden zodat hij tussen 0 en 1 komt te liggen. Daarom worden incrementele update technieken gebruikt, waarbij wijzigingen in de OLTP databases op regelmatige tijdstippen worden gepropageerd naar het data warehouse. OLAP Gegevenskubus Zoals reeds aangehaald in Sectie 1 slaat OLAP (online analytical processing) op het interactief analyseren van de gegevens in het data warehouse. Dergelijke analyses zijn doorgaans gebaseerd op allerlei overzichtsrapporten, bijvoorbeeld de maandelijkse verkoopcijfers per regio en per product. Men kan zich zo een overzichtsrapport gemakkelijk voorstellen als een kubus: de drie dimensies van de kubus indiceren de maanden, de regio's en de producten; een cel van de kubus met coördinaat <jan 2001, België, Lego> bevat het aantal verkochte stuks Lego in België gedurende januari Ter ondersteuning van OLAP worden de gegevens in het data warehouse dus doorgaans voorgesteld in de vorm van een multidimensio nale matrix of "gegevenskubus". Het zou correcter zijn om te spreken over hyperkubus in plaats van kubus, omdat het aantal dimensies verschillend van drie kan zijn. De dimensies van de kubus corresponderen met onafhankelijke variabelen en de cellen van de kubus bevatten de overeenkomstige waarden voor de afhankelijke variabele(n), ook wel aangeduid als meting(en) (measure(s)). Figuur 3 toont een kubus met drie dimensies dag, Laden en actualiseren (refresh) De gezuiverde, geïntegreerde en Fig. 3: Een gegevenskubus met drie dimensies. getransformeerde gegevens worden vervolgens in het data warehouse geladen. Op dit moment worden indexen gecreëerd nodig om winkel en product; de cellen van de kubus bevatten het aantal verkochte stuks. zoekopdrachten te versnellen. Vermits de informatie in het data warehouse een (sterk bewerkte) kopie is van de gegevens in de OLTP databa- OLAP software biedt doorgaans verschillende mogelijkheden voor de grafische visualisatie van ses, is het nodig om het data de gegevenskubus. Elke cel kan bijvoorbeeld een warehouse op geregelde tijdstippen te actualiseren. Het blokje bevatten waarvan de grootte of de kleurintensiteit is doorgaans te duur om het evenredig is met de numerieke data warehouse daarbij volledig te ledigen en vervol- celwaarde. De dimensies zijn doorgaans gens opnieuw te laden. georganiseerd in hiërarchieën, Fig. 4 : Concept hiërarchieën. die de wijzen vastleggen waar- Cahiers de la documentation Bladen voor documentatie 2006/1 21

4 Een kort overzicht van Data Warehousing en OLAP op de gegevens logisch kunnen worden gegroepeerd. Figuur 4 toont dat dagelijkse cijfers aanleiding geven tot maandelijkse en jaarlijkse totalen; winkels zijn gegroepeerd in regio's, producten in klassen. Rollup: een typische OLAP query Een typische OLAP query geeft voor elke dimensie het niveau aan waarop de gegevens moeten gepresenteerd worden. Figuur 5 toont het antwoord op de query "Geef totale verkoopcijfers per product, regio en maand". Een dergelijke geaggregeerde kubus, berekend uit de basiskubus, wordt ook wel kuboïde genoemd. Fig. 5 : De kuboïde maand region product Het overgaan van een gedetailleerde naar een geaggregeerde kubus wordt aangeduid met de term rollup. OLAP queries kunnen ook een reductie van het aantal dimensies inhouden. De tweedimensionale kuboïde maand product in Figuur 6 geeft maandelijkse verkoopcijfers per product, over alle winkels heen. Uiteraard kan elke kuboïde desgewenst berekend worden uit de basiskubus. Nochtans zullen OLAP systemen op bepaalde vragen anticiperen en kuboïdes reeds op voorhand berekenen en "materialiseren", teneinde antwoordtijden te verminderen. De wijze waarop dit best gebeurt, is een belangrijk onderzoeksthema. Technologische keuze: ROLAP of MO- LAP De technologische uitdaging in OLAP kan ruwweg worden omschreven als het efficiënt ondersteunen van spreadsheet operaties op databases van meerdere gigabytes. Al naargelang de gebruikte technologie kan OLAP software worden bestempeld als ROLAP of MOLAP: ROLAP (relational OLAP) maakt gebruik van bestaande relationele database-technologie; het uitgangspunt van MOLAP (multidimensional OLAP) daarentegen is dat SQL databases weinig geschikt zijn om OLAP te ondersteunen. ROLAP Fig. 7: Een sterschema. Het multidimensionale gegevensmodel dat hoger beschreven werd, kan gemakkelijk geïmplementeerd worden in een conventionele SQL database. De basiskubus wordt gestockeerd in een zogeheten "feitentabel", en de hiërarchieën in "dimensietabellen". Het resulterende schema wordt doorgaans een "sterschema" genoemd. Figuur 7 toont dit voor het lopende voorbeeld. Merk op dat de feitentabel reeds vooraf berekende subtotalen kan bevatten (symbool all). ROLAP servers breiden relationele servers doorgaans uit met gespecialiseerde middleware om de uitvoering van OLAP queries te versnellen. Er worden ook reeds voorstellen geformuleerd om de standaard relationele querytaal SQL uit te breiden met operators ter ondersteuning van OLAP. MOLAP Fig. 6 : De kuboïde maand product. Hoewel OLAP gegevens kunnen gestockeerd worden in relationele databases, geloven velen dat MOLAP een beter alternatief biedt. MOLAP impliceert een multidimensionale database waarbij gegevenskubussen worden gestockeerd in (sparse) matrices. Deze opslagwijze zou efficiënter zijn dan in ROLAP; het nadeel is dat de integratie met bestaande SQL databases moeilijker is. 22 Cahiers de la documentation Bladen voor documentatie 2006/1

5 Een kort overzicht van Data Warehousing en OLAP Data mining In OLAP stuurt de eindgebruiker zelf de analyse: hij kiest de dimensies en afhankelijke variabelen en specificeert de queries. De analist vormt een hypothese en verifieert deze vervolgens met een reeks queries. Een probleem met deze werkwijze is dat de gegevens in het data warehouse vaak onvoldoende begrepen zijn (dit is precies de motivatie om analyses uit te voeren!), zodat het quasi onmogelijk wordt om interessante hypotheses te maken, de juiste gegevenskubus te kiezen en de goede queries te stellen. Het uitgangspunt van data mining is om de kracht van de computer te gebruiken om interessante patronen in de gegevens te onthullen, eerder dan hypothetische patronen te verifiëren. We nemen een probleem van classificatie als voorbeeld. Veronderstel dat we het risico willen inschatten verbonden aan een nieuwe kredietaanvraag. Gebruik makend van historische data warehouse gegevens over achterstallige kredieten, zou een data mining programma de volgende regel kunnen afleiden: "Indien inkomen Euro en anciënniteit 5 jaar dan risico = hoog, anders risico = laag". Het programma ontdekt zelf dat inkomen en anciënniteit het risicobedrag bepalen, eerder dan andere kenmerken zoals leeftijd, opleiding,... Toekomst van data warehousing Data warehousing, OLAP en data mining zijn snel groeiende technologieën. Toekomstige ontwikkelingen kunnen in verschillende richtingen gaan. We wagen ons aan een drietal voorspellingen. Beslissingsondersteunende systemen zullen in de toekomst meer pro-actief worden. Ze zullen niet wachten tot de analist een OLAP of data mining query stelt, maar zullen zelf aan continue zelfanalyse doen. Wanneer het systeem een interessante nieuwe evolutie ontdekt, zal het een waarschuwing zenden naar de gebruiker. De hedendaagse systemen voor data warehousing en data mining zijn vaak ontworpen om te werken voor gelijk welke business. Toekomstige systemen zullen meer gericht zijn op een welbepaalde business, bijvoorbeeld de petroleumsector. Dergelijke business-specifieke systemen zullen meer domeinafhankelijke logica bevatten die de kwaliteit van de analyses zal verhogen. Het data warehouse zal in toenemende mate aangevuld worden met achtergrondinformatie afkomstig uit externe gegevensbronnen, beschikbaar via bijvoorbeeld het Web. Een onderneming heeft geen directe controle over de toegang tot deze externe gegevensbronnen, dit in tegenstelling tot de eigen databases. Standaarden voor gegevensuitwisseling, zoals XML, spelen hierbij een belangrijke rol. Getuigenis De eindverhandeling (3) is illustratief voor de problemen die kunnen gepaard gaan met de invoering van data warehousing en data mining in een onderneming. De onderneming in kwestie beschikt over een tiental belangrijke applicaties, die gebruik maken van database management systemen van een viertal verschillende leveranciers. Het oorspronkelijke opzet van het onderzoek was om door middel van data mining technieken een antwoord te vinden op vragen als: "Wie zijn onze klanten?" en "Met welke service zijn de klanten meest gebaat?". Al spoedig bleek dat data mining onmogelijk zou zijn zonder een grondige "preparatie" (zie sectie 2.3) van de gegevens. Enkele netelige kwaliteitsproblemen waren de volgende: Dubbele registratie van eenzelfde entiteit. Bijvoorbeeld, <RAYTEC, Rue du Commerce 2,...> en <S.A. RAYTEC, 2 Rue du Commerce,...>. Veelvuldig gebruik van de "fourre-tout" code "andere" voor attributen zoals opleiding of beroep. Een ander probleem is dat de codes in verschillende toepassingen niet op elkaar afgestemd zijn. Ontbrekende, onmogelijke of achterhaalde attribuutwaarden. Verdere informatie Mijn persoonlijke ervaring i.v.m. de literatuur over OLAP en data warehousing is dat sommige documenten op het Web interessanter en actueler zijn dan heel wat boeken. De Web site <http://www.daniel-lemire.com/olap/> bevat een interessant overzicht van wetenschappelijk onderzoek in data warehouses en OLAP; de site bevat ook links naar white papers geschreven door commerciële software leveranciers. Referentie (1) geeft een degelijk overzicht van data warehousing en data mining. Referentie (4) is een goed boek over data mining. In tegenstelling tot de database-industrie, is de OLAP-markt vandaag de dag sterk gefragmenteerd, zonder dominante spelers. De Web site <http://www.olapreport.com> bevat interes- Cahiers de la documentation Bladen voor documentatie 2006/1 23

6 Een kort overzicht van Data Warehousing en OLAP sante informatie over de OLAP-markt. De Web site van KDnuggets <http://www.kdnuggets.com> geeft een overzicht van data mining software. Bibliografie Université de Mons-Hainaut Bâtiment «Le Pentagone» Avenue du Champ de Mars, Mons 17 januari Han, J. ; Kamber, M. Data Mining: Concepts and Techniques, 2nd ed. San Francisco : Elsevier/Morgan Kaufmann, 2005, 800 p. 2. Inmon, W. Building the Data Warehouse 2nd ed, New-York : Wiley, Van Puyvelde, H. De l'information opérationnelle à l'intelligence décisionnelle par le data mining - Étude de faisabilité appliquée au cas d'un service public. Master's thesis, Université de Mons-Hainaut, Witten, I. ; Frank, E. Data Mining: Practical Machine Learning Tools and Techniques, 2nd ed., San Francisco : Elsevier/Morgan Kaufmann, 2005, 560 p. Deze studie bevestigt wat verschillende auteurs vermelden: dat vaak 80% of meer van de inspanningen in een data mining project besteed wordt aan het prepareren van de gegevens. Nota s 1. Een query is een vraag gesteld aan een databasesysteem in een bepaalde gegevensopvraagtaal. 24 Cahiers de la documentation Bladen voor documentatie 2006/1

Business Intelligence. Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI

Business Intelligence. Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI Business Intelligence Toepassing BI Database en Datawarehouse BI proces BI Organisatie Implementatie BI Toepassing BI (Operationele) sturing Financieel (BBSC) Performance NIET voor ondersteuning proces

Nadere informatie

Informatie Systeem Ontwikkeling ISO 2R290

Informatie Systeem Ontwikkeling ISO 2R290 Informatie Systeem Ontwikkeling ISO 2R290 docent: Prof. dr. Paul De Bra Gebaseerd op: Database System Concepts, 5th Ed. doel van dit vak kennis van en inzicht in basisbegrippen over informatiesystemen

Nadere informatie

Zelftest Java EE Architectuur

Zelftest Java EE Architectuur Zelftest Java EE Architectuur Document: n1218test.fm 22/03/2012 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INLEIDING BIJ DE ZELFTEST JAVA EE ARCHITECTUUR Nota:

Nadere informatie

Self Service BI. de business

Self Service BI. de business BI in de praktijk Self Service BI Breng de kracht van BI naar de business Luc Alix Sogeti Nederland B.V. Redenen voor Business Intelligence Sneller kunnen beslissen 42 % Beter kunnen beslissen 42 % Concurrentieel

Nadere informatie

Datamining: Graven in gegevens

Datamining: Graven in gegevens Datamining: Graven in gegevens Business Intelligence in de praktijk Jasper Lansink CMG Noord Nederland - Advanced Technology Agenda Business Intelligence Datamining theorie Datamining in de praktijk management

Nadere informatie

Incore Solutions Learning By Doing

Incore Solutions Learning By Doing Incore Solutions Learning By Doing Incore Solutions Gestart in November 2007 Consultants zijn ervaren met bedrijfsprocessen en met Business Intelligence Alle expertise onder 1 dak voor een succesvolle

Nadere informatie

Magnutude 2012 Efficient BI. 18 september Joost de Ruyter van Steveninck

Magnutude 2012 Efficient BI. 18 september Joost de Ruyter van Steveninck Magnutude 2012 Efficient BI 18 september Joost de Ruyter van Steveninck 2 Inhoud Is BI nog niet efficiënt? Trends in BI Efficient BI: de trends in praktijk 3 Feedback van de gebruiker Informatie behoefte

Nadere informatie

Technisch Ontwerp W e b s i t e W O S I

Technisch Ontwerp W e b s i t e W O S I Technisch Ontwerp W e b s i t e W O S I WOSI Ruud Jungbacker en Michael de Vries - Technisch ontwerp Website Document historie Versie(s) Versie Datum Status Omschrijving / wijzigingen 0.1 20 nov 2008 Concept

Nadere informatie

Workflows voor SharePoint met forms en data K2 VOOR SHAREPOINT

Workflows voor SharePoint met forms en data K2 VOOR SHAREPOINT Slimmer samenwerken met SharePoint Workflows voor SharePoint met forms en data K2 VOOR SHAREPOINT Workflows, forms, reports en data WAAROM KIEZEN VOOR K2? Of u nu workflows moet maken voor items in SharePoint

Nadere informatie

Data Warehouse. Een introductie. Algemene informatie voor medewerkers van SYSQA B.V.

Data Warehouse. Een introductie. Algemene informatie voor medewerkers van SYSQA B.V. Data Warehouse Een introductie Algemene informatie voor medewerkers van SYSQA B.V. Organisatie SYSQA B.V. Pagina 2 van 9 Inhoudsopgave 1 INLEIDING... 3 1.1 ALGEMEEN... 3 1.2 VERSIEBEHEER... 3 2 DOEL VAN

Nadere informatie

Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving

Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving Toekomstbestending maken van selectie tool Rekening houdend met strikte privacy wetgeving Kurt.Merchiers@colruytgroup.com Functioneel Analist Roel.Van.Assche@sas.com Consultant Agenda Vervanging van de

Nadere informatie

MA!N Rapportages en Analyses

MA!N Rapportages en Analyses MA!N Rapportages en Analyses Auteur Versie CE-iT 1.2 Inhoud 1 Inleiding... 3 2 Microsoft Excel Pivot analyses... 4 2.1 Verbinding met database... 4 2.2 Data analyseren... 5 2.3 Analyses verversen... 6

Nadere informatie

Technische keuzes Management Informatie Systeem MeanderGroep

Technische keuzes Management Informatie Systeem MeanderGroep Technische keuzes Management Informatie Systeem MeanderGroep Dit document beschrijft de keuzes die gedaan worden ten aanzien van de hard en software voor het Management Informatie Systeem. Voor de presentatielaag

Nadere informatie

Molapse: Poor man s MOLAP

Molapse: Poor man s MOLAP Molapse: Poor man s MOLAP Freark van der Berg, (s0139971) f.i.vanderberg@student.utwente.nl Robert Dahmen, (s0113093) r.j.dahmen@student.utwente.nl Harold Bruintjes, (s0141844) h.y.bruintjes@student.utwente.nl

Nadere informatie

OpenText RightFax. Intuitive Business Intelligence. Whitepaper. BI/Dashboard oplossing voor OpenText RightFax

OpenText RightFax. Intuitive Business Intelligence. Whitepaper. BI/Dashboard oplossing voor OpenText RightFax OpenText RightFax Intuitive Business Intelligence Whitepaper BI/Dashboard oplossing voor OpenText RightFax Beschrijving van de oplossing, functionaliteit & implementatie Inhoud 1 Introductie 2 Kenmerken

Nadere informatie

VOORWOORD...4 1 INLEIDING...5

VOORWOORD...4 1 INLEIDING...5 Inhoudsopgave VOORWOORD...4 1 INLEIDING...5 1.1 PROBLEEMSTELLING...5 1.2 DATA WAREHOUSES...6 1.3 TYPE INFORMATIE IN EEN DATA WAREHOUSE...7 1.4 ONTWERPEN VAN EEN DATA WAREHOUSE...7 1.4.1 Waarom redundantie

Nadere informatie

Tools voor canonieke datamodellering Bert Dingemans

Tools voor canonieke datamodellering Bert Dingemans Tools voor canonieke datamodellering Tools voor canonieke datamodellering Bert Dingemans Abstract Canonieke modellen worden al snel omvangrijk en complex te beheren. Dit whitepaper beschrijft een werkwijze

Nadere informatie

Technische nota AbiFire5 Rapporten maken via ODBC

Technische nota AbiFire5 Rapporten maken via ODBC Technische nota AbiFire5 Rapporten maken via ODBC Laatste revisie: 29 juli 2009 Inhoudsopgave Inleiding... 2 1 Installatie ODBC driver... 2 2 Systeeminstellingen in AbiFire5... 3 2.1 Aanmaken extern profiel...

Nadere informatie

Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit

Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit Proactief en voorspellend beheer Beheer kan effi ciënter en met hogere kwaliteit Beheer kan efficiënter en met hogere kwaliteit Leveranciers van beheertools en organisaties die IT-beheer uitvoeren prijzen

Nadere informatie

Zelftest Informatica-terminologie

Zelftest Informatica-terminologie Zelftest Informatica-terminologie Document: n0947test.fm 01/07/2015 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INTRODUCTIE Deze test is een zelf-test, waarmee u

Nadere informatie

Business Proces en Social Media

Business Proces en Social Media Business Proces en Social Media G L O M I D C O 1 1 1.1 Inleiding Social media zoals Facebook, LinkedIn en Twitter hebben een stormachtige ontwikkeling doorgemaakt. Sterker nog, ze zijn niet meer weg te

Nadere informatie

Leerjaar 1/2 ICT-Academie. Niveau 4. Applicatie ontwikkeling

Leerjaar 1/2 ICT-Academie. Niveau 4. Applicatie ontwikkeling Databases SQL Leerjaar 1/2 ICT-Academie Niveau 4 Applicatie ontwikkeling Auteur: R. Meijerink Datum: Januari 2013 0. Inleiding Databases / SQL In deze lessen wordt je geleerd databases te bouwen in SQL-code.

Nadere informatie

I N H O U D V l a a m s M i n i s t e r - p r e s i d e n t K r i s P e e t e r s

I N H O U D V l a a m s M i n i s t e r - p r e s i d e n t K r i s P e e t e r s 5 I N H O U D Lijst van figuren 15 Lijst met tabellen 23 Voorwoord Vlaams Minister-president Kris Peeters 25 Dankwoord Inleiding Organisatie van dit boek Deel I Uitdagingen en definities van performance

Nadere informatie

EIGENSCHAPPEN CONVERGED HARDWARE

EIGENSCHAPPEN CONVERGED HARDWARE EIGENSCHAPPEN CONVERGED HARDWARE Eigenschappen Converged Hardware 1 van 8 Document Informatie Versie Datum Omschrijving Auteur(s) 0.1 29-09-2015 Draft Remco Nijkamp 0.2 29-09-2015 Volgende Versie opgesteld

Nadere informatie

Inleiding. De redenen voor deze stelling zijn gelegen in de keuzes die de BI- of CPM-leverancier heeft gemaakt bij het ontwikkelen van het product:

Inleiding. De redenen voor deze stelling zijn gelegen in de keuzes die de BI- of CPM-leverancier heeft gemaakt bij het ontwikkelen van het product: DÉ software oplossing voor budgetteren, rapportages, analyses en consolidatie White Paper OLCAP Technologie professional Inleiding Corporate Performance Management (CPM) en Business Intelligence (BI) zijn

Nadere informatie

Het belang van. Data Modellering. GEMINIT Training. Data Modellering. Frédéric BARBIER

Het belang van. Data Modellering. GEMINIT Training. Data Modellering. Frédéric BARBIER Het belang van Data Modellering Studiedag Informatiemanagement Politeia, 22 februari 2013, Gent Open data en de cloud: een revolutie in de informatiehuishouding van de overheid Training Data Modellering

Nadere informatie

Inhoud: Inleiding tot Taak 1.1.14 1 Omschrijving van vacatures 2 Matrix van benodigde 5 Bronvermeldingen 7

Inhoud: Inleiding tot Taak 1.1.14 1 Omschrijving van vacatures 2 Matrix van benodigde 5 Bronvermeldingen 7 Inleiding Taak 10 gaat over het oriënteren op het vakgebied van onze toekomst. Als we straks afgestudeerd zijn zullen we automatisch werk moeten gaan zoeken. Maar welk werk of in welke sector? Dat gaan

Nadere informatie

Research & development

Research & development Research & development Publishing on demand Workflow ondersteuning Typesetting Documentproductie Gespecialiseerd document ontwerp Web ontwerp en onderhoud Conversie Database publishing Advies Organisatie

Nadere informatie

Taxis Pitane SQL beheerder. Censys BV - Eindhoven

Taxis Pitane SQL beheerder. Censys BV - Eindhoven Taxis Pitane SQL beheerder Censys BV - Eindhoven Inhoud Wat is Taxis Pitane SQL beheerder?... 3 Kenmerken van de software... 3 De juiste SQL server editie voor uw organisatie... 3 SQL Server 2008 Express...

Nadere informatie

Business Process Management

Business Process Management Business Process Management Daniël van der Perren 7-12-2009 Business Process Management Inhoud Business Process Management... 3 Maar wat is nu een Process?... 4 Wat is een Business Process?... 5 Wat is

Nadere informatie

Software Test Plan. Yannick Verschueren

Software Test Plan. Yannick Verschueren Software Test Plan Yannick Verschueren Maart 2015 Document geschiedenis Versie Datum Auteur/co-auteur Beschrijving 1 November 2014 Yannick Verschueren Eerste versie 2 December 2014 Yannick Verschueren

Nadere informatie

Business Intelligence www.globalservices.be www.sap-training.be

Business Intelligence www.globalservices.be www.sap-training.be Business Intelligence www.globalservices.be www.sap-training.be Global Services + Business Intelligence = perfect match! Het concept Wenst u ook sneller inzicht in beleidsinformatie, rapportering en cijfers?

Nadere informatie

Enterprise warehouse architectuur Het definiëren van een informatiearchitectuur in de praktijk.

Enterprise warehouse architectuur Het definiëren van een informatiearchitectuur in de praktijk. Enterprise warehouse architectuur Het definiëren van een informatiearchitectuur in de praktijk. Inleiding Over datawarehousing wordt veel geschreven vanuit de toepassing en helaas minder vanuit de architectuur.

Nadere informatie

NIS Notarieel Informatie Systeem

NIS Notarieel Informatie Systeem NIS UPDATE RELEASE Q1-2014 NIS Notarieel Informatie Systeem Sportlaan 2h, 818 BE Heerde T (0578) 693646, F (0578) 693376 www.vanbrug.nl, info@vanbrug.nl 2014 Van Brug Software B.V. Niets uit deze opgave

Nadere informatie

Oplossingen Datamining 2II15 Juni 2008

Oplossingen Datamining 2II15 Juni 2008 Oplossingen Datamining II1 Juni 008 1. (Associatieregels) (a) Zijn de volgende beweringen juist of fout? Geef een korte verklaring voor alle juiste beweringen en een tegenvoorbeeld voor alle foute be-weringen:

Nadere informatie

informatie onder controle internationaal

informatie onder controle internationaal informatie innovatief interactief individueel onder controle internationaal Wat? Applicatie om onderbouwde, efficiënte en doordachte beslissingen te nemen Waarom? Bij iedere actie die u onderneemt op een

Nadere informatie

MODULEBESCHRIJVING Databases DBS1

MODULEBESCHRIJVING Databases DBS1 MODULEBESCHRIJVING Databases DBS1 Samensteller(s): Richard van den Ham Datum: 30-08-2012 Versie: 1.0 Module: Databases Identificatie Progresscode: DBS1 Semester: 1 Omvang: 140 SBUs/ 5 ECTS-punten Lestijd:

Nadere informatie

Het is een verticaal geïntegreerd bedrijf, dat zowel actief is in de productie van grondstoffen en halffabrikaten als van afgewerkte producten.

Het is een verticaal geïntegreerd bedrijf, dat zowel actief is in de productie van grondstoffen en halffabrikaten als van afgewerkte producten. Referenties Beaulieu International Group De klant Beaulieu International Group is een Belgische industriële groep die ontstond in de zomer van 2005 uit de fusie van vijf zelfstandige takken van de voormalige

Nadere informatie

Les 10 : Aanmaken van een database (deel2).

Les 10 : Aanmaken van een database (deel2). Les 10 : Aanmaken van een database (deel2). Wat is een database? Een centrale opslagruimte voor gegevens. Alle informatie wordt centraal opgeslagen en kan door iedereen geraadpleegd worden. Voordelen van

Nadere informatie

Proces to model en model to execute

Proces to model en model to execute Proces to model en model to execute Een end-to-end (bedrijfs)proces (figuur 1) is het geheel van activiteiten die zich, op een bepaalde plaats door een bepaalde rol, in bepaalde volgorde opvolgen en waarvan

Nadere informatie

Afstudeeropdracht bachelor informatica

Afstudeeropdracht bachelor informatica Webgebaseerde ontsluiting loggegevens van IDEAS Afstudeeropdracht bachelor informatica David Beniers, Anand Mandhre, Michiel van Kempen Bastiaan Heeren, Harold Pootjes Inhoud Opdracht IDEAS Aanpak Taakverdeling

Nadere informatie

Aandachtspunten bij de transitie naar een Big Data-omgeving

Aandachtspunten bij de transitie naar een Big Data-omgeving Aandachtspunten bij de transitie naar een Big Data-omgeving Organisaties worden steeds meer voor de uitdaging gesteld om grote volumes aan data te verwerken en op te slaan. Het gemiddelde volume aan data

Nadere informatie

BUSINESS CASE. Datamigratiespecialist T2S begeleidt Veenman bij ERP-implementatie

BUSINESS CASE. Datamigratiespecialist T2S begeleidt Veenman bij ERP-implementatie BUSINESS CASE Datamigratiespecialist T2S begeleidt Veenman bij ERP-implementatie Veenman, leverancier van afdrukapparatuur en document management oplossingen, heeft in 2012 succesvol het nieuwe ERP-systeem

Nadere informatie

nformatie toegang tot de wereldwijde database van D&B nnovatief nieuw platform met veel extra functionaliteiten nteractief werk samen met collega s

nformatie toegang tot de wereldwijde database van D&B nnovatief nieuw platform met veel extra functionaliteiten nteractief werk samen met collega s nformatie toegang tot de wereldwijde database van D&B nnovatief nieuw platform met veel extra functionaliteiten nteractief werk samen met collega s ndividueel bekijk alleen dat wat u zelf wilt zien n control

Nadere informatie

Wie? Advanced Databases blok 4 2011. DB vs IR. Wat? Canonical application (DB) Canonical application (DB)

Wie? Advanced Databases blok 4 2011. DB vs IR. Wat? Canonical application (DB) Canonical application (DB) Advanced Databases blok 4 2011 Wie? Hans Philippi: docent/practicumleider René Kersten: assistent bij practicum Hans Philippi 1 2 Wat? DB vs IR 2005 XML (Siebes) 2007 Google ranking (Siebes) 2009/2011

Nadere informatie

KIM. Slimme acties ondernemen

KIM. Slimme acties ondernemen KIM Slimme acties ondernemen CONTROLE KWIJT? Herkent u dit soort ervaringen ook? Uw organisatie heeft allerlei systemen in huis, maar Niemand weet echt meer hoe het systeem exact werkt Voor kleine wijzigingen

Nadere informatie

T-Mobile Netherlands BV

T-Mobile Netherlands BV Juryrapport T-Mobile Netherlands BV Deelname Data Quality Award 2010 Deelnemers Naam: Jos Leber Functie: Sr. Data Manager Inleiding De case van T-Mobile is primair gericht op de kwaliteit van de master

Nadere informatie

Introductie tot Business Intelligence

Introductie tot Business Intelligence Introductie tot Business Intelligence Analyseren Verbeteren Stefan Leunis Zaakvoerder Blue Bay Business Intelligence Consultancy Specialisatie in allerhande BI tools Sinds 2011: oplossing voor KMO markt

Nadere informatie

Examen VWO - Compex. wiskunde A1

Examen VWO - Compex. wiskunde A1 wiskunde A1 Examen VWO - Compex Voorbereidend Wetenschappelijk Onderwijs Tijdvak 1 Woensdag 25 mei totale examentijd 3 uur 20 05 Vragen 14 tot en met 21 In dit deel staan de vragen waarbij de computer

Nadere informatie

AVEBE haalt online én offline informatie uit Microsoft Dynamics CRM

AVEBE haalt online én offline informatie uit Microsoft Dynamics CRM AVEBE haalt online én offline informatie uit Microsoft Dynamics CRM AVEBE ontwikkelt en verkoopt zetmeelproducten op wereldwijde schaal. Het verkoopteam werkte met een gefragmenteerde CRM (Customer Relationship

Nadere informatie

Whitepaper. Personal Targeting Platform. De juiste content Op het juiste moment Aan de juiste persoon

Whitepaper. Personal Targeting Platform. De juiste content Op het juiste moment Aan de juiste persoon Whitepaper Personal Targeting Platform De juiste content Op het juiste moment Aan de juiste persoon Introductie 2 Geïntegreerde personalisering 2 Het opbouwen van een profiel 2 Segmenteren en personaliseren

Nadere informatie

Procestool; sleutel tot succes?

Procestool; sleutel tot succes? Procestool; sleutel tot succes? Gerard Hebenaar Gerard Hebenaar Adviesgilde 1 Even voorstellen.. Gerard Hebenaar Bedrijfskunde Adviesvaardigheden 15 jaar ervaring in de consultancy Verkoop en advies van

Nadere informatie

Software Test Plan. Yannick Verschueren

Software Test Plan. Yannick Verschueren Software Test Plan Yannick Verschueren November 2014 Document geschiedenis Versie Datum Auteur/co-auteur Beschrijving 1 November 2014 Yannick Verschueren Eerste versie 1 Inhoudstafel 1 Introductie 3 1.1

Nadere informatie

Waarom deelnemen aan een ICT project voor KMO s? Business aliniëren met ICT. Chris Block 5/3/12

Waarom deelnemen aan een ICT project voor KMO s? Business aliniëren met ICT. Chris Block 5/3/12 Waarom deelnemen aan een ICT project voor KMO s? Business aliniëren met ICT Chris Block 5/3/12 De KMO heeft veel vraagtekens over ICT Onze informatica is onvoldoende aangepast aan onze bedrijfsvoering

Nadere informatie

Temperatuur logger synchronisatie

Temperatuur logger synchronisatie Temperatuur logger synchronisatie Juni 10, 2010 1 / 7 Temperatuur logger synchronisatie Introductie Twee of meerdere ontvangers van het Multilogger systeem kunnen met de temperature logger synchronisatie

Nadere informatie

Toepassing van de. LogiXML BI-software. in een. Business Intelligence en Management Information. Architectuur

Toepassing van de. LogiXML BI-software. in een. Business Intelligence en Management Information. Architectuur oepassing van de ogixm B-software in een Business ntelligence en Management nformation Architectuur Auteur : J. truik atum : 5 december 2012 Versie : 1.0 ontrole : M. Maiwald nformatie : m.hoving@novaccent.nl

Nadere informatie

The End of an Architectural Era

The End of an Architectural Era The End of an Architectural Era M. Stonebraker, S. Madden, D. J. Abadi, S. Harizopoulos, N. Hachem, P. Helland Jorn Van Loock Inleiding Oorsprong relationele DBMS IBM System R (1974) DB2 Sybase SQL Server

Nadere informatie

Software Test Plan. PEN: Paper Exchange Network Software Engineering groep 1 (se1-1415) Academiejaar 2014-2015

Software Test Plan. PEN: Paper Exchange Network Software Engineering groep 1 (se1-1415) Academiejaar 2014-2015 Software Test Plan PEN: Paper Exchange Network Software Engineering groep 1 (se1-1415) Academiejaar 2014-2015 Jens Nevens - Sander Lenaerts - Nassim Versbraegen Jo De Neve - Jasper Bevernage Versie 1 Versie

Nadere informatie

DO YOUR CUSTOMERS FEEL SPECIAL? The new customer loyalty experience by

DO YOUR CUSTOMERS FEEL SPECIAL? The new customer loyalty experience by DO YOUR CUSTOMERS FEEL SPECIAL? geautomatiseerd relevant gericht Autoconnect CARE staat voor geautomatiseerd communiceren met uw klanten. Zo informeert u uw klant over zijn wagen, over uw bedrijf en over

Nadere informatie

Business Process Management

Business Process Management Business Process Management Prof. dr. Manu De Backer Universiteit Antwerpen Katholieke Universiteit Leuven Hogeschool Gent Wat is een bedrijfsproces? Een verzameling van (logisch) gerelateerde taken die

Nadere informatie

Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem

Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem Zorginstelling Reinier de Graaf Groep realiseert solide business intelligence-systeem Overheid en verzekeraars willen dat zorginstellingen efficiënter en kosteneffectiever functioneren. Met standaard Microsoft-technologie

Nadere informatie

Naam: Draaiboek decentrale implementatie PAUW en Tridion

Naam: Draaiboek decentrale implementatie PAUW en Tridion Programma Aanpak Universitaire Website (PAUW) Draaiboek decentrale implementatie PAUW en Tridion Inleiding In het kader van het Programma Aanpak Universitaire Website (PAUW) is afgesproken dat alle decentrale

Nadere informatie

OFFRE DOCUMENTATION TECHNIQUE PEUGEOT POUR REPARATEURS INDEPENDANTS AANBOD PEUGEOT TECHNISCHE DOCUMENTATIE VOOR ONAFHANKELIJKE REPARATEURS

OFFRE DOCUMENTATION TECHNIQUE PEUGEOT POUR REPARATEURS INDEPENDANTS AANBOD PEUGEOT TECHNISCHE DOCUMENTATIE VOOR ONAFHANKELIJKE REPARATEURS OFFRE DOCUMENTATION TECHNIQUE PEUGEOT POUR REPARATEURS INDEPENDANTS AANBOD PEUGEOT TECHNISCHE DOCUMENTATIE VOOR ONAFHANKELIJKE REPARATEURS OFFRE DOCUMENTATION TECHNIQUE PEUGEOT POUR REPARATEURS INDEPENDANTS

Nadere informatie

Socio-technisch systemen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1

Socio-technisch systemen. Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1 Socio-technisch systemen Ian Sommerville 2004 Software Engineering, 7th edition. Chapter 2 Slide 1 Systeem categoriën Technische op computer gesteunde systemen Systemen die HW en SW bevatten, maar waar

Nadere informatie

Tentamen Data Mining

Tentamen Data Mining Tentamen Data Mining Algemene Opmerkingen Dit is geen open boek tentamen, noch mogen er aantekeningen gebruikt worden. Laat bij het uitvoeren van berekeningen zien hoe je aan een antwoord gekomen bent.

Nadere informatie

SMART automation. Met de A.B. Entiteiten Interface. Ger Bos

SMART automation. Met de A.B. Entiteiten Interface. Ger Bos SMART automation Met de A.B. Entiteiten Interface Ger Bos Agenda Inleiding Wat is SMART automation Tools voor SMART automation A.B. Entiteiten Interface Alternatieven De praktijk van SMART automation Wat

Nadere informatie

Factsheet KICKSTARTERS Mirabeau

Factsheet KICKSTARTERS Mirabeau Factsheet KICKSTARTERS Mirabeau KICKSTARTERS We lanceren binnen twee maanden een nieuw digitaal platform waarmee u in hoog tempo business value genereert. De digitale transformatie is in volle gang. Consumenten

Nadere informatie

In 3 stappen naar de juiste keuze voor marketing software

In 3 stappen naar de juiste keuze voor marketing software In 3 stappen naar de juiste keuze voor marketing software 4orange, 2014 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Hoe kunnen de juiste keuzes voor marketing software gemaakt worden? In

Nadere informatie

Presentatie Rapportage Met SAP Business Objects

Presentatie Rapportage Met SAP Business Objects Presentatie Rapportage Met SAP Business Objects Verzorgd door: Camille van Dongen, itelligence Fouad Allabari, i3 Woerden 4 februari 2011 Agenda Voorstellen itelligence & i3 Business Intelligence SAP Business

Nadere informatie

Duurzame escience. Bioinformatica case study. Pieter Meulenhoff, Daniël Worm, Freek Bomhof, George Huitema,

Duurzame escience. Bioinformatica case study. Pieter Meulenhoff, Daniël Worm, Freek Bomhof, George Huitema, Duurzame escience Bioinformatica case study Pieter Meulenhoff, Daniël Worm, Freek Bomhof, George Huitema, Job Oostveen, Carolien van der Vliet-Hameeteman 1 Doelstellingen Inzicht in energiegebruik en besparing

Nadere informatie

Workshop 3x. Normaliseren. Normaliseren. Hiëarchische database ODBMS. Relationele database. Workshop 14 oktober 2010. A. Snippe ICT Lyceum 1

Workshop 3x. Normaliseren. Normaliseren. Hiëarchische database ODBMS. Relationele database. Workshop 14 oktober 2010. A. Snippe ICT Lyceum 1 Workshop 3x Analytisch vermogen Huiswerk Lestijden 10:00 12:30 Pauze 10:15 10:30 Deze les: Hiëarchische database Relationele database ODBMS Normaliseer stappen Hiëarchische database Elk record in een database

Nadere informatie

Business Risk Management? Dan eerst data op orde!

Business Risk Management? Dan eerst data op orde! Business risk management? Dan eerst data op orde! Kwaliteit, leveringsbetrouwbaarheid, klantgerichtheid, kostenbewustzijn en imago zijn kernwaarden in de bedrijfsvoering die door nutsbedrijven hartelijk

Nadere informatie

knkpublishing Microsoft Dynamics De flexibele, innovatieve uitgeverijsoftware Nieuwe kansen in een veranderende media wereld

knkpublishing Microsoft Dynamics De flexibele, innovatieve uitgeverijsoftware Nieuwe kansen in een veranderende media wereld De flexibele, innovatieve uitgeverijsoftware INTEGRATIE CONTINUE INNOVATIE WORKFLOW ONDERSTEUNING ABECON-CONSULTANCY OVER ABECON Microsoft Dynamics Nieuwe kansen in een veranderende media wereld Standaard

Nadere informatie

Titel Uw processen transparant met SAP Process Mining.

Titel Uw processen transparant met SAP Process Mining. 1 Titel Uw processen transparant met SAP Process Mining. Introductie SAP Process Mining powered by Celonis is een nieuwe component van SAP op HANA. Process Mining gaat niet uit van vooraf gedefinieerde

Nadere informatie

Rapport over het werkprofiel van Software engineer (sr)

Rapport over het werkprofiel van Software engineer (sr) Rapport over het werkprofiel van Software engineer (sr) Identificatienummer: Publicatiedatum: 19 november 2015 Leeswijzer Dit rapport omschrijft het werkprofiel van 'Software engineer (sr)' zoals die door

Nadere informatie

Nieuwe BI-omgeving van ApplicationNet is waardevolle bron van informatie voor facturatie, rapportages, kostenbesparing en marketing

Nieuwe BI-omgeving van ApplicationNet is waardevolle bron van informatie voor facturatie, rapportages, kostenbesparing en marketing Nieuwe BI-omgeving van ApplicationNet is waardevolle bron van informatie voor facturatie, rapportages, kostenbesparing en marketing Organisatie Werkplek Online is de private cloud oplossing van ApplicationNet

Nadere informatie

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence

Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Exact Insights powered by QlikView Haal het beste uit uw gegevens met geïntegreerde Business Intelligence Met Exact Insights zet u grote hoeveelheden data moeiteloos om in organisatiebrede KPI s en trends.

Nadere informatie

Data quality tracking tool

Data quality tracking tool Data quality tracking tool Stageproject Over data cleansing werk Eén van de onderdelen van werk rond datakwaliteit uitgevoerd door Kapernikov is het systematisch oplossen van gedetecteerde datafouten in

Nadere informatie

Uitgebreid voorstel Masterproef Informatica

Uitgebreid voorstel Masterproef Informatica HoGent Uitgebreid voorstel Masterproef Informatica Titel van het project: Optimalisatie & ontwikkeling van een gegevenstransfertool voor Business Intelligence-gebruikers Datum : 01/11/2012 Naam student

Nadere informatie

Business Intelligence als voorspeller... 4 Analyse voor de gebruiker, door de gebruiker... 5

Business Intelligence als voorspeller... 4 Analyse voor de gebruiker, door de gebruiker... 5 WHITE PAPER Inhoud 1. Inleiding... 3 2. Wat is data-analyse?... 4 Business Intelligence als voorspeller...... 4 Analyse voor de gebruiker, door de gebruiker... 5 3. Wat is Analytics Desktop?... 6 Gebruiksvriendelijk...

Nadere informatie

Optimaliseer de performance van uw dienst

Optimaliseer de performance van uw dienst Whitepaper Optimaliseer de performance van uw dienst Succes van uw online applicatie hangt mede af van de performance. Wat kunt u doen om de beste performance te behalen? INHOUD» Offline sites versus trage

Nadere informatie

1. Milieuklacht... 2 1.1 Handleiding opladen XML in mkros... 2 2. Werken met Refertes... 5

1. Milieuklacht... 2 1.1 Handleiding opladen XML in mkros... 2 2. Werken met Refertes... 5 1. Milieuklacht............................................................................................. 2 1.1 Handleiding opladen XML in mkros......................................................................

Nadere informatie

Curriculum Vitae Ishak Atak. www.ishakatak.nl. Naam : Ishak Atak Roepnaam : Ishak. Woonplaats : Utrecht Geboorte datum : 13-05-1983

Curriculum Vitae Ishak Atak. www.ishakatak.nl. Naam : Ishak Atak Roepnaam : Ishak. Woonplaats : Utrecht Geboorte datum : 13-05-1983 Naam : Ishak Atak Roepnaam : Ishak Woonplaats : Utrecht Geboorte datum : 13-05-1983 Tel. : +316-46 17 76 00 Beschikbaar : Full time December 2015 Email: : contact@ishakatak.nl Datum CV : November 2015

Nadere informatie

Projectopgave: Sociaal Kennis Databank

Projectopgave: Sociaal Kennis Databank Projectopgave: Sociaal Kennis Databank Geavanceerde Webtechnologie Academiejaar 2010-2011 1 Probleemstelling De laatste jaren zijn sociaalnetwerksites enorm populair geworden. Het meest bekende voorbeeld

Nadere informatie

Variability in Multi-tenant SaaS Applications:

Variability in Multi-tenant SaaS Applications: Variability in Multi-tenant SaaS Applications: Gastcollege voor het vak Product Software Jaap Kabbedijk, MSc. Universiteit Utrecht, Nederland 1 Wat gaan we behandelen? Introductie Uitleg ontwikkeling SaaS

Nadere informatie

Business Impact Anlayses worden in de meeste organisaties eens per jaar of eens per halfjaar geactualiseerd en bevatten meestal beschrijvingen van:

Business Impact Anlayses worden in de meeste organisaties eens per jaar of eens per halfjaar geactualiseerd en bevatten meestal beschrijvingen van: (BIA s) Veel organisaties beschikken over BIA s ofwel Business Impact Analyses per Business Unit of per Afdeling. Hierna gaan we verder uit van Business Impact Analyses op Business Unit niveau. Dit artikel

Nadere informatie

In 3 stappen naar de juiste keuze voor marketing software

In 3 stappen naar de juiste keuze voor marketing software In 3 stappen naar de juiste keuze voor marketing software 4orange, 2014 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Hoe kunnen de juiste keuzes voor marketing software gemaakt worden? In

Nadere informatie

Begrippenlijst Inzicht in de wereld van big data, marketing en analyse

Begrippenlijst Inzicht in de wereld van big data, marketing en analyse Begrippenlijst Inzicht in de wereld van big data, marketing en analyse 4orange, 13 oktober 2015 Hogehilweg 24 1101 CD Amsterdam Zuidoost www.4orange.nl 2 Inhoud Achtergrond & Aanleiding... 3 A... 3 B...

Nadere informatie

Exact Synergy Enterprise. Krachtiger Financieel Management

Exact Synergy Enterprise. Krachtiger Financieel Management Exact Synergy Enterprise Krachtiger Financieel Management 1 Inleiding Waar gaat het om? Makkelijke vragen zijn vaak het moeilijkst te beantwoorden. Als het hectische tijden zijn, moet u soms veel beslissingen

Nadere informatie

Big Data: wat is het en waarom is het belangrijk?

Big Data: wat is het en waarom is het belangrijk? Big Data: wat is het en waarom is het belangrijk? 01000111101001110111001100110110011001 Hoeveelheid 10x Toename van de hoeveelheid data elke vijf jaar Big Data Snelheid 4.3 Aantal verbonden apparaten

Nadere informatie

BIG DATA. 4 vragen over Big Data

BIG DATA. 4 vragen over Big Data 4 vragen over Big Data Dit ebook geeft in het kort antwoorden op 4 vragen omtrent Big Data. BIG DATA Wat is Big Data? Hoe zet ik een Big Data Strategie op? Wat is het verschil tussen Big Data en BI? Wat

Nadere informatie

HET AANSTUREN VAN MAGAZIJNMECHANISATIE; WCS VERSUS WMS-LOGISTIEK

HET AANSTUREN VAN MAGAZIJNMECHANISATIE; WCS VERSUS WMS-LOGISTIEK HET AANSTUREN VAN MAGAZIJNMECHANISATIE; WCS VERSUS WMS-LOGISTIEK Jeroen Bouman Business Consultant Steeds meer Nederlandse warehouses gaan over op het implementeren van een of meerdere mechanisaties. Denk

Nadere informatie

Financiële Planning & Forecasting Rutger den Ouden Controller Pon Automotive Products & Services

Financiële Planning & Forecasting Rutger den Ouden Controller Pon Automotive Products & Services 1 24 mei 2011 IBM Finance Forum 2011 Financiële Planning & Forecasting Rutger den Ouden Controller Automotive Products & Services 2 Agenda Welkom in de wereld van Logistiek & Services Organisatie & TM1

Nadere informatie

ICT Management. Leerprocessen en hun invloed op de kwaliteit van IT-servicemanagement. Kortere terugverdientijd door het versnellen van het leerproces

ICT Management. Leerprocessen en hun invloed op de kwaliteit van IT-servicemanagement. Kortere terugverdientijd door het versnellen van het leerproces ICT Management Kortere terugverdientijd door het versnellen van het leerproces Leerprocessen en hun invloed op de kwaliteit van IT-servicemanagement SOLUTIONS THAT MATTER 1 Kortere terugverdientijd door

Nadere informatie

Cover Page. The handle holds various files of this Leiden University dissertation.

Cover Page. The handle  holds various files of this Leiden University dissertation. Cover Page The handle http://hdl.handle.net/1887/29764 holds various files of this Leiden University dissertation. Author: Takes, Frank Willem Title: Algorithms for analyzing and mining real-world graphs

Nadere informatie

TPSC Cloud, Collaborative Governance, Risk & Compliance Software,

TPSC Cloud, Collaborative Governance, Risk & Compliance Software, TPSC Cloud, Collaborative Governance, Risk & Compliance Software, Wij geloven dat we een belangrijke bijdrage kunnen leveren aan betere & veiligere zorg. The Patient Safety Company TPSC levert al meer

Nadere informatie

Data Governance van visie naar implementatie

Data Governance van visie naar implementatie make connections share ideas be inspired Data Governance van visie naar implementatie Frank Dietvorst (PW Consulting) deelprogrammamanager Caesar - Vernieuwing Applicatie Landschap Leendert Paape (SAS

Nadere informatie

AFO 142 Titel Aanwinsten Geschiedenis

AFO 142 Titel Aanwinsten Geschiedenis AFO 142 Titel Aanwinsten Geschiedenis 142.1 Inleiding Titel Aanwinsten Geschiedenis wordt gebruikt om toevoegingen en verwijderingen van bepaalde locaties door te geven aan een centrale catalogus instantie.

Nadere informatie

Dataconversie met Oracle Spatial

Dataconversie met Oracle Spatial Realworld klantendag 19 september 2013 Voorstellen 1 2 Computer Science & Engineering (TU/e) 3 Realworld Systems 4 Datamigraties Alliander Stedin Agenda 1 Architectuur Inleiding Ontwerp migratie 2 Rapportage

Nadere informatie

Workshop 3x. Huiswerk. Huiswerk vorige week. Workshop 22 september 2010. A. Snippe ICT Lyceum 1. Huiswerk. Project documentatie. Analytisch vermogen

Workshop 3x. Huiswerk. Huiswerk vorige week. Workshop 22 september 2010. A. Snippe ICT Lyceum 1. Huiswerk. Project documentatie. Analytisch vermogen Workshop 3x Huiswerk Project documentatie Analytisch vermogen Huiswerk Lestijden 08:30 11:00 Pauze 10:00 10:15 Huiswerk vorige week Hoofdstuk 1: Informatie analyse Huiswerk vorige week Hoofdstuk 1: Informatie

Nadere informatie